龙果质量数据集：面向移动设备的轻量级卷积神经网络用于实时龙果质量检测
计算机视觉与模式识别
2025-08-12 v1 人工智能
摘要
龙果以其营养价值和经济价值著称，因其亲民价格和本地可得性而需求日益增长。随着龙果种植的扩张，对其前后处理质量检测的高效需求变得至关重要，以提高农业生产力并最小化后果损失。本研究提出DragonFruitQualityNet，一种针对移动设备上龙果实时质量评估的轻量级卷积神经网络（CNN）。我们构建了包含13,789张图片的多样化数据集，整合自采集样本与公开数据集（来自Mendeley Data），并将其分为四个类别：鲜果、不成熟果、成熟果和次品果，以确保模型训练的健壮性。该模型实现了惊人的93.98%准确率，超越了现有方法在水果质量分类方面的性能。为便于实际应用，我们将模型嵌入直观的移动应用程序，使农户和农业利益相关者能够进行设备端、实时质量检测。本研究提供了一个准确、高效且可扩展的AI驱动龙果质量控制解决方案，支持数字农业，赋能小农户获取可及技术。通过搭建研究与实际应用之间的鸿沟，本工作推动了后果管理的进步，促进了可持续农业实践的推广。
引用
@article{arxiv.2508.07306,
title = {DragonFruitQualityNet: A Lightweight Convolutional Neural Network for Real-Time Dragon Fruit Quality Inspection on Mobile Devices},
author = {Md Zahurul Haquea and Yeahyea Sarker and Muhammed Farhan Sadique Mahi and Syed Jubayer Jaman and Md Robiul Islam},
journal= {arXiv preprint arXiv:2508.07306},
year = {2025}
}